Курс на Stepik
Обложка курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)» на Stepik
Бесплатно

[АРХИВ] Deep Learning (семестр 1, весна 2025) 4.812

Открыть на
STEPIK.ORG

Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs. Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Учеников на курсе 6 397
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Отзывов получено 16
Рейтинг курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Рейтинг курса 4.812
Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Количество уроков 40
Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Количество квизов 1
Задачи с кодом в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Количество задач с кодом 4
Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Время прохождения курса
Обновления курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Обновления курса
Дата публикации курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Дата публикации курса
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»Последнее обновление
Сложность normal
4.812
из 5
16 отзывов
★★★★★
14
★★★★
1
★★★
1
★★
0
0
Яна Фитковская
Яна Фитковская
8 месяцев назад

Пришла, почти ничего не зная о машинном обучении и совсем не имея практики. В процессе прохождения многое освоила, прошла в финал олимпиады по ML, хорошо разобралась с отдельными проектами и составила, надеюсь, достаточно полную картину в целом. Понравилось всё! Последовательное изложение материала, подробные объяснения, вдумчивый, глубокий подход, опора на математику (я не математик, но если не лениться что-то поискать дополнительно, так правда намного понятнее и логичнее!), приятные видео, которые просто увлекательно смотреть. Прекрасные домашки, от простого к сложному. Да, иногда очень сложному, а как учиться новому, если будет все время легко?) Комфортный чат, много обсуждений, быстрые оценки. Выбрала, потому что читала хорошие отзывы, но всё равно курс превзошёл ожидания! Огромное спасибо всему коллективу авторов!

Alexandr Kudryavtsev
Alexandr Kudryavtsev
1 год назад

Добрый день. Параллельно учусь в магистратуре по этому же направлению. Очень впечатлен вашим курсом: материал подается последовательно и хорошо получается разобраться во время выполнения домашних работ. Но вот предыдущее домашнее задание (18.1 - Детекция объектов) очень сильно выбивается из общей картины. Я потратил на него два полных рабочих дня и почти не сдвинулся. Попробую на следующей неделе еще порешать. Но видится более полезным разбить задание на несколько и дать возможность хотя бы базовые вещи сделать и получить минимальные баллы. Видимо детекция очень сложная тема, может быть стоит добавить к ней часов и домашних заданий. В остальном премного благодарен.